MétaCan
Menu
Retour à la cohorte
Enregistrement W2809399426 · doi:10.1017/s1366728918000755

Scaling up: How computational models can propel bilingualism research forward

2018· article· en· W2809399426 sur OpenAlexaff
Ping Li, Angela Grant

Notice bibliographique

RevueBilingualism Language and Cognition · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputational modelWord (group theory)Similarity (geometry)ScalingEmpirical researchArtificial intelligenceNatural language processingMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The Multilink model that Dijkstra, Wahl, Buytenhuijs, van Halem, Al-jibouri, de Korte, and Rekké (2018) present is an excellent example that connects empirical patterns obtained from behavioral studies with mechanisms that can be implemented in computational models. We have previously argued that implementation of computational models is important because it forces the researchers to be explicit about assumptions and to specify parameters and variables that may be absent in verbal models. The Multilink model, along with BIA/BIA+ and many other models, provides concrete hypotheses regarding the role of variables such as word frequency, word length, orthographic similarity, and phonological neighborhood for researchers to test and verify against empirical data (see examples in the special issue on computational modeling published in this journal; Li, 2013).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,732

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,080
Tête enseignante GPT0,343
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilingualism Language and CognitionMême sujetTopic ModelingTravaux en français237 207